APP下载

基于SVM的2PTMC多分类算法在船舶柴油机故障诊断中的应用

2019-04-09尚前明邓晓光

中国修船 2019年2期
关键词:故障诊断船舶分类

尚前明,杨 烨,王 潇,曹 召,邓晓光

(武汉理工大学 能源与动力工程学院,湖北 武汉 430063)

当前船舶柴油机故障诊断面临的一大问题是故障特征的发现,由于船舶柴油机的特定工作环境使得获得大量有效的故障非常困难。而常规的分类算法包括神经网络都依赖于大量的样本统计数据,当训练样本数量有限时,很难保障模型有着较好的泛化性能。支持向量机算法(SVM)算法通过核函数将特征空间映射到Hilbert高维空间,有效的降低了模型的VC维,满足了结构化风险原则,非常适合训练样本数量较小的学习情况[1]。

1 用于故障诊断的SVM算法

SVM是Vapnik等人基于统计学理论的结构风险最小化规则提出的,其算法本质上是凸二次规划问题。神经网络的算法极值解有可能是局部最优值,而SVM算法的极值解就是最优解,这就使得SVM算法有着较强的学习能力。另外SVM有着很强的推广能力使得在训练样本很少的情况下依然能在测试集中得到很小的预测误差。

由于船舶柴油机特定的工作环境使其故障数据不易获得,而SVM算法可以从小样本训练集中学习,因此将SVM算法应用到只有较小训练样本的船舶柴油机故障诊断中非常合适。算法的实现主要分为模型训练和故障识别2个阶段,具体步骤如下。

1)模型训练过程。主要是让SVM算法根据两类故障样本的特征值和标签值找到支持向量进而确定最优分类超平面。

(1)搜集船舶柴油机的故障数据和正常数据,根据专家知识建立起训练样本集和测试集[Xi,Yi],Yi∈(-1,1)。……

登录APP查看全文

猜你喜欢

故障诊断船舶分类
计算流体力学在船舶操纵运动仿真中的应用
《船舶》2022 年度征订启事
分类算一算
船舶!请加速
教你一招:数的分类
基于LCD和排列熵的滚动轴承故障诊断
基于WPD-HHT的滚动轴承故障诊断
高速泵的故障诊断
船舶操纵